1.一種基于多模態(tài)數(shù)據(jù)的飛行汽車智能散熱管理方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于多模態(tài)數(shù)據(jù)的飛行汽車智能散熱管理方法，其特征在于：所述溫度傳感器安裝于飛行汽車的發(fā)動(dòng)機(jī)表面、電池組內(nèi)部及電子控制單元處；壓力傳感器配置安裝在飛行汽車的液壓系統(tǒng)內(nèi)以及翼面和進(jìn)氣口處；濕度傳感器分布安裝在飛行汽車內(nèi)外環(huán)境監(jiān)測(cè)點(diǎn)；加速度計(jì)固定安裝在車輛重心位置，以監(jiān)測(cè)飛行過(guò)程中的線性與角加速度。
3.根據(jù)權(quán)利要求1所述的一種基于多模態(tài)數(shù)據(jù)的飛行汽車智能散熱管理方法，其特征在于：在步驟b中，利用數(shù)據(jù)融合算法對(duì)不同傳感器數(shù)據(jù)進(jìn)行融合處理，包括：b1.對(duì)傳感器數(shù)據(jù)進(jìn)行預(yù)處理：對(duì)收集到的傳感器數(shù)據(jù)進(jìn)行異常值處理，去除傳感器數(shù)據(jù)中的異常值和缺失值；b2.使用時(shí)間序列對(duì)齊方法將不同傳感器數(shù)據(jù)進(jìn)行匹配對(duì)齊，確保傳感器數(shù)據(jù)的時(shí)間一致性；b3.標(biāo)準(zhǔn)化處理：確保不同傳感器數(shù)據(jù)的量綱和范圍一致；b4.對(duì)傳感器參數(shù)進(jìn)行相關(guān)性分析和加權(quán)處理：計(jì)算各個(gè)傳感器參數(shù)之間的相關(guān)性，并對(duì)權(quán)重進(jìn)行分配，以綜合考慮不同參數(shù)對(duì)散熱需求的影響程度。
4.根據(jù)權(quán)利要求1所述的一種基于多模態(tài)數(shù)據(jù)的飛行汽車智能散熱管理方法，其特征在于：在步驟c中，構(gòu)建深度學(xué)習(xí)模型，執(zhí)行以下步驟：c1.收集飛行汽車歷史運(yùn)行數(shù)據(jù)，包括傳感器數(shù)據(jù)和散熱管理操作記錄；c2.將歷史運(yùn)行數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集；c3.基于卷積神經(jīng)網(wǎng)絡(luò)與長(zhǎng)短期記憶網(wǎng)絡(luò)，構(gòu)建深度學(xué)習(xí)模型；c4.將訓(xùn)練數(shù)據(jù)輸入深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，通過(guò)前向傳播計(jì)算輸出預(yù)測(cè)值。
5.根據(jù)權(quán)利要求4所述的一種基于多模態(tài)數(shù)據(jù)的飛行汽車智能散熱管理方法，其特征在于：在步驟c3中，基于卷積神經(jīng)網(wǎng)絡(luò)與長(zhǎng)短期記憶網(wǎng)絡(luò)，構(gòu)建深度學(xué)習(xí)模型，執(zhí)行以下步驟：c31.構(gòu)建輸入層：將多模態(tài)數(shù)據(jù)作為輸入層，并定義網(wǎng)絡(luò)的輸入層維度；c32.構(gòu)建卷積層：通過(guò)卷積運(yùn)算和激勵(lì)函數(shù)，對(duì)輸入層數(shù)據(jù)進(jìn)行特征提取和抽象；c33.構(gòu)建池化層：對(duì)提取的特征進(jìn)行降采樣，以減少網(wǎng)絡(luò)參數(shù)；c34.構(gòu)建全連接層：將池化層輸出的特征向量展開(kāi)成一維向量，并進(jìn)行線性變換；c35.構(gòu)建循環(huán)層：使用長(zhǎng)短期記憶單元和門(mén)結(jié)構(gòu)來(lái)處理時(shí)序數(shù)據(jù)，捕捉上下文信息，并實(shí)現(xiàn)記憶功能；c36.構(gòu)建輸出層：根據(jù)循環(huán)層的輸出，進(jìn)行分類或回歸操作，生成預(yù)測(cè)結(jié)果。
6.根據(jù)權(quán)利要求4所述的一種基于多模態(tài)數(shù)據(jù)的飛行汽車智能散熱管理方法，其特征在于：在步驟c4中，將訓(xùn)練數(shù)據(jù)輸入深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，通過(guò)前向傳播計(jì)算輸出預(yù)測(cè)值，執(zhí)行以下步驟：c41.將原始多模態(tài)數(shù)據(jù)集劃分為多個(gè)批量數(shù)據(jù)，隨機(jī)選擇批量數(shù)據(jù)，作為模型的輸入；c42.進(jìn)行卷積操作，提取局部特征，將局部特征相加，得到隱藏狀態(tài)z；c43.使用激活函數(shù)將隱藏狀態(tài)z進(jìn)行非線性變換，得到新的隱藏狀態(tài)z′；c44.進(jìn)行池化操作，通過(guò)下采樣減小隱藏狀態(tài)z′的維度，得到池化層輸出結(jié)果r；c45.進(jìn)行反向傳播操作，根據(jù)池化層輸出結(jié)果r和真實(shí)值之間的誤差，更新權(quán)重和偏置，重復(fù)c41至c45直到模型的收斂性達(dá)到預(yù)期。
7.根據(jù)權(quán)利要求1所述的一種基于多模態(tài)數(shù)據(jù)的飛行汽車智能散熱管理方法，其特征在于：在步驟d中，將融合后的數(shù)據(jù)傳輸至遠(yuǎn)程服務(wù)器或云端平臺(tái)進(jìn)行實(shí)時(shí)分析和處理，執(zhí)行以下步驟：d1.通過(guò)有線或無(wú)線通信傳輸，將多模態(tài)傳感器數(shù)據(jù)傳輸至遠(yuǎn)程服務(wù)器或云端平臺(tái)；d2.遠(yuǎn)程服務(wù)器或云端平臺(tái)對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步分析和處理，利用機(jī)器學(xué)習(xí)算法或深度學(xué)習(xí)算法進(jìn)行多模態(tài)數(shù)據(jù)融合。
8.根據(jù)權(quán)利要求1所述的一種基于多模態(tài)數(shù)據(jù)的飛行汽車智能散熱管理方法，其特征在于：在步驟e中，根據(jù)深度學(xué)習(xí)模型的預(yù)測(cè)結(jié)果生成針對(duì)飛行汽車當(dāng)前工作模式的智能散熱策略，執(zhí)行以下步驟：e1.針對(duì)不同類型的傳感器數(shù)據(jù)，設(shè)置相應(yīng)的閾值；e2.設(shè)置風(fēng)扇轉(zhuǎn)速和冷卻液的流量調(diào)整規(guī)則；e3.根據(jù)深度學(xué)習(xí)模型預(yù)測(cè)的結(jié)果，動(dòng)態(tài)調(diào)整飛行汽車風(fēng)扇轉(zhuǎn)速、冷卻液流量。
9.根據(jù)權(quán)利要求1所述的一種基于多模態(tài)數(shù)據(jù)的飛行汽車智能散熱管理方法，其特征在于：在步驟f中，實(shí)施智能散熱策略，并根據(jù)飛行汽車實(shí)際運(yùn)行情況動(dòng)態(tài)調(diào)整散熱策略，執(zhí)行以下步驟：f1.根據(jù)深度學(xué)習(xí)模型預(yù)測(cè)出的散熱需求，調(diào)整風(fēng)扇轉(zhuǎn)速和冷卻液流量；f2.建立多模態(tài)傳感器和散熱控制系統(tǒng)的通信協(xié)議；f3.通過(guò)監(jiān)控傳感器數(shù)據(jù)的變化，動(dòng)態(tài)調(diào)整散熱策略；f4.使用數(shù)據(jù)流控制策略來(lái)降低控制系統(tǒng)延遲和確保散熱控制系統(tǒng)的實(shí)時(shí)響應(yīng)。
10.根據(jù)權(quán)利要求1所述的一種基于多模態(tài)數(shù)據(jù)的飛行汽車智能散熱管理方法，其特征在于：在步驟g中，收集飛行汽車運(yùn)行過(guò)程中的反饋數(shù)據(jù)，利用反饋數(shù)據(jù)迭代訓(xùn)練并優(yōu)化所述深度學(xué)習(xí)模型，執(zhí)行以下步驟：g1.收集飛行汽車運(yùn)行數(shù)據(jù)：收集飛行汽車在運(yùn)行過(guò)程中的多模態(tài)傳感器數(shù)據(jù)和飛行汽車實(shí)際散熱需求數(shù)據(jù)；g2.使用時(shí)間序列對(duì)齊方法將多模態(tài)傳感器數(shù)據(jù)和實(shí)際散熱需求數(shù)據(jù)進(jìn)行匹配對(duì)齊；g3.對(duì)對(duì)齊后的數(shù)據(jù)進(jìn)行預(yù)處理，包括異常值處理和標(biāo)準(zhǔn)化；g4.使用迭代訓(xùn)練技術(shù)優(yōu)化深度學(xué)習(xí)模型參數(shù)，不斷調(diào)整模型的內(nèi)部參數(shù)，提高模型的準(zhǔn)確性和魯棒性；g5.以迭代訓(xùn)練方式，利用收集到的運(yùn)行數(shù)據(jù)不斷優(yōu)化模型。